El ‘data science’ sigue siendo una tendencia en auge en el mundo laboral, aunque no todos los profesionales terminan haciendo las mismas tareas que imaginaban en un principio.

¿Recuerdas todos los artículos y blogs que decían que la ciencia de los datos es la tendencia laboral más candente? Puede que el caso ya no sea ese. Según la opinión, los aspirantes a científicos de datos, que aún no se han incorporado profesionalmente a este campo, quieren dedicarse a la ciencia de los datos porque implica la resolución de problemas complejos con algoritmos sofisticados de aprendizaje automático que añaden valor a un negocio. Pero, por desgracia, la expectativa no se corresponde con la realidad.

Mientras que hay empresas que lo hacen todo bien, muchas otras contratan a científicos de datos sin la base de la infraestructura adecuada para empezar a trabajar con la inteligencia artificial. Esto se suma al hecho de que estas empresas suelen contratar a novatos que no saben trabajar, en lugar de profesionales con experiencia, lo que provoca desavenencias internas. El científico de datos puede haberse incorporado a la empresa con la esperanza de crear algoritmos avanzados de aprendizaje automático para obtener información valiosa para el negocio, pero se queda atascado mientras resuelve la infraestructura de datos y crea informes analíticos. Como resultado de esto, la empresa se frustra por no ver resultados rápidos y eso lleva a la desmotivación total.

¿Existe una solución para este problema? Sí. Para los científicos de datos junior, es importante identificar una empresa que se alinee con las expectativas de trabajo en mente. Pero con tantas empresas que buscan contratar profesionales de la ciencia de datos, es más fácil decirlo que hacerlo.

Otra expectativa que no se cumple y que desmotiva a los científicos de datos es el objetivo principal de dicha empresa. Los científicos de datos desean tener un impacto en las personas con sus conocimientos. Pero si el objetivo de la empresa no es el aprendizaje automático, lo más probable es que el único trabajo que realices sea proporcionar pequeñas percepciones que se sumen a pequeñas ganancias. Esas percepciones pueden sumar algo significativo, pero su parte será minúscula.

Tener un conocimiento profundo sobre los algoritmos de aprendizaje automático es necesario, pero esa no es la cualidad definitiva que te convertirá en el científico de datos estrella de una empresa. Para labrarse una buena reputación en el mundo de los negocios, hay que hacer muchas tareas ad hoc, como sacar números de una base de datos y comunicarlo a las personas adecuadas en el momento oportuno, para obtener reconocimiento.

Un científico de datos exitoso

¿Te convertirá eso en un profesional de los datos respetado? No del todo. Las mismas personas a las que intentas impresionar realizando tareas ad hoc podrían no entender lo que haces como científico de datos. Esto significa que serás la persona a la que hay que recurrir para obtener consejos sobre análisis, un experto en bases de datos y una persona que elabora informes. Hay una suposición predominante de que un científico de datos sabe todo lo relacionado con los datos, como Spark, Hadoop, Hive, Pig, SQL, Python, NLP, y cualquier aprendizaje automático. Con la suposición viene la mentalidad de que usted, como científico de datos, tendrá todas las respuestas que deben ser comunicadas en sólo 5 minutos. Por lo tanto, si ves una descripción del trabajo con todas las palabras relacionadas con los datos metidas en un párrafo, entiende que la empresa no tiene ni idea de su estrategia de datos.

Entonces, ¿qué se necesita para ser un buen científico de datos en la industria? Además de convertirse en un experto en conocimientos, hay que soportar el trabajo inesperado que puede parecer servil, saber llevar la política de la oficina y lidiar con los compañeros que no entienden lo que haces. Encontrar una empresa que se ajuste a tu ideología es difícil y lleva tiempo, pero no es imposible. De lo contrario, estos factores están resultando ser un obstáculo para muchos profesionales de la ciencia de los datos.